Jun 11, 2026, 10:46 AM

2026-06-11 08:46:34 +00:00
parent 23eea496b1
commit aebc5b8281
33 changed files with 2238 additions and 1 deletions
@@ -0,0 +1,54 @@
+---
+title: "15 workflowów i wtyczek Obsidian, których większość ludzi nie zna"
+type: "summary"
+tags: [obsidian, pkm, automatyzacja, workflow, mcpvault, git]
+created: 2026-06-09
+updated: 2026-06-09
+sources: ["raw/inbox/15 workflowów i wtyczek Obsidian, których większość ludzi nie zna.md"]
+confidence: high
+---
+
+# 15 workflowów i wtyczek Obsidian, których większość ludzi nie zna
+
+Artykuł autorstwa Shashwata przedstawia zaawansowany zestaw 15 wtyczek i automatycznych przepływów pracy (workflows), które przekształcają statyczny skarbiec Obsidian w aktywny, samodzielnie zapytujący i kumulujący wiedzę ekosystem cyfrowy (tzw. "Second Brain" oparty o pętle LLM).
+
+## Key Points
+
+### Podstawowa Infrastruktura (Wtyczki):
+- **Smart Connections (RAG)**: Wtyczka wprowadzająca lokalny silnik wyszukiwania semantycznego (RAG) do przeszukiwania skarbca na bazie wektorowej, zamiast prostego dopasowania słów kluczowych.
+- **Templater (Egzekutor szablonów)**: Służy do automatycznego wymuszania ustrukturyzowanych metadanych YAML frontmatter (daty, tagi, klucze), co zapobiega halucynacjom modeli na surowym szumie informacyjnym.
+- **Dataview (Kompilator skarbca)**: Przekształca foldery i notatki w tabele bazodanowe (podobne do SQL). Dzięki temu model AI może odpytywać konkretne właściwości i zmienne zamiast interpretować surowy tekst.
+- **Obsidian Git**: Zapewnia wersjonowanie bazy z automatycznym commitem co 30 minut. Jest to nienaruszalna polisa ubezpieczeniowa przed uszkodzeniem plików podczas automatycznych edycji wsadowych przez agenta.
+- **Obsidian CLI (Interfejs terminalowy)**: Umożliwia terminalowym agentom (np. [[entities/claude-code]]) bezproblemowe przeszukiwanie i edycję bazy bezpośrednio z wiersza poleceń.
+
+### Autonomiczne Potoki Wykonawcze (Workflows):
+- **Protokół Inicjalizacji**: Skrypt uruchamiany rano, który nakazuje modelowi AI pobranie logów z ostatnich 72 godzin i przygotowanie sterylnej listy priorytetów i zadań na dany dzień.
+- **Automatyczny Ingest (Lejek)**: Umieszczenie dokumentu w folderze stagingu wyzwala proces, w którym model analizuje treść, wstrzykuje tagi metadanych i automatycznie tworzy linki do istniejących pojęć w bazie.
+- **Algorytmiczna Autopsja**: Piątkowy cron-job zbierający zmodyfikowane w ciągu tygodnia pliki, obliczający deltę postępu i generujący bezwzględną, 300-słowną krytyczną ocenę wydajności użytkownika.
+- **Audyt Stanu (Structural Health Audit)**: Raz w miesiącu model AI przeszukuje skarbiec pod kątem osieroconych notatek, martwych linków i przestarzałych tagów, zapobiegając "zużyciu" repozytorium (odpowiednik naszego lintera).
+- **Dziennik Decyzji (Binary Decision Log)**: Zapisywanie założeń decyzji oraz ich ostatecznych rezultatów, co pozwala modelowi na analizę naszych historycznych błędów poznawczych i wzorców porażek.
+
+### Orkiestracja i Architektura:
+- **Trwały Napęd Kontekstowy**: Wykorzystanie plików `CLAUDE.md` / `GEMINI.md` jako trwałej pamięci RAM, wymuszającej na agencie przestrzeganie naszych historycznych reguł i preferencji przed rozpoczęciem nowej sesji.
+- **Protokół mcpvault**: Integracja lokalnego serwera MCP ([[entities/mcpvault]]) z wyszukiwaniem BM25, pozwalająca agentom na błyskawiczne przeszukiwanie i odczyt notatek bez otwierania interfejsu Obsidian.
+- **Kanoniczne Specyfikacje (`obsidian-skills`)**: Używanie oficjalnych bibliotek Steph Ango ([[entities/obsidian-skills]]) do bezpiecznej i precyzyjnej modyfikacji plików Markdown i Canvas.
+- **obsidian-second-brain**: Monolityczny moduł posiadający 31 komend, pozwalający na pobieranie transkrypcji YouTube, zaciąganie danych na żywo przez API Grok i automatyczne argumentowanie przeciwko tezom użytkownika.
+- **Kumulująca Pętla Feedbacku**: Oznaczanie syntez wygenerowanych przez AI tagiem `#machine-generated`, co pozwala na celowy i kontrolowany trening bazy na jej własnych, doprecyzowanych syntezach.
+
+## Relevant Concepts
+- [[concepts/pkm-automation]] — Wykorzystanie agentów do automatyzacji nudnej księgowości wiedzy.
+- [[concepts/vault-as-database]] — Traktowanie struktury plików tekstowych jako odpytywalnej relacyjnej bazy danych.
+- [[concepts/compounding-feedback-loops]] — Systemy uczące się i zagęszczające wiedzę na bazie własnych, zweryfikowanych wyjść.
+- [[concepts/knowledge-graph-analysis]] — Strukturalne audyty zdrowia grafu notatek.
+
+## Relevant Entities
+- [[entities/obsidian]] — Centralne środowisko PKM.
+- [[entities/mcpvault]] — Serwer MCP do bezserwerowego przeszukiwania bazy.
+- [[entities/obsidian-skills]] — Kanoniczne instrukcje Steph Ango dla agentów AI.
+- [[entities/claude-code]] — Agent wykonujący skrypty i operacje na bazie.
+
+## Source Metadata
+- **Type**: Artykuł / Przewodnik techniczny
+- **Author**: Shashwat
+- **Date**: 2026-06-02
+- **URL**: https://medium.com/tech-and-ai-guild/15-obsidian-workflows-and-plugins-that-most-people-dont-know-3fa3e6f05ee4
@@ -0,0 +1,50 @@
+---
+title: "The 5 Core Mental Models for AI Agents: Harness & Memory (Deep Dive + Action Plan)"
+type: "summary"
+tags: [agent-ai, system-design, mental-models, memory-tiers, autonomy]
+created: 2026-06-09
+updated: 2026-06-09
+sources: ["raw/inbox/The 5 Core Mental Models for AI Agents_ Harness & Memory (Deep Dive + Action Plan) - BPMS Team.md"]
+confidence: high
+---
+
+# The 5 Core Mental Models for AI Agents: Harness & Memory (Deep Dive + Action Plan)
+
+Artykuł zespołu BPMS definiuje pięć fundamentalnych modeli mentalnych, które pozwalają inżynierom oprogramowania na przeniesienie agentów AI z fazy prostych prezentacji (demos) do stabilnych, produkcyjnych systemów biznesowych. Ramy te zostały zilustrowane na przykładzie budowy agenta do analizy oszustw (fraud analysis) z wykorzystaniem Gemini CLI i BigQuery.
+
+## Key Points
+
+### Model Mentalny 1 — Model to procesor (CPU). Rusztowanie (Harness) to system operacyjny (OS).
+- Sam model językowy (LLM) to tylko surowy silnik wnioskowania (jak procesor Intel/AMD). Poziom jakości i bezpieczeństwa aplikacji zależy całkowicie od **rusztowania (harness/scaffolding)**, które pełni rolę systemu operacyjnego.
+- "OS" definiuje wejścia/wyjścia, ograniczenia, bezpieczeństwo, cykle weryfikacji, checkpointy, wznawianie pracy (checkpoint/resume) oraz śledzenie kroków (run-level tracing). Zmiana rusztowania ma większy wpływ na wynik niż wymiana samego modelu na większy.
+- Wąski, rygorystyczny i dobrze oznaczony zestaw narzędzi (tools) jest zawsze lepszy niż przeładowany przybornik ze względu na minimalizację entropii decyzji modelu.
+
+### Model Mentalny 2 — Kontekst jest Produktem (Context is the Product)
+- Zarządzanie **Stosem Kontekstu (Context Stack)** to kluczowy element inżynierii systemów agentowych. Na stos składają się: instrukcje systemowe, aktywne instrukcje projektu, historia konwersacji oraz pobrane wycinki z baz danych (RAG).
+- Istnieje stałe napięcie między chęcią dostarczenia modelowi maksymalnej liczby informacji (co marnuje tokeny i spowalnia czas reakcji) a zbyt wąskim zakresem, który prowadzi do halucynacji i błędów logicznych.
+
+### Model Mentalny 3 — Oddziel Wykonawcę od Sędziego (Separate the Doer from the Judge)
+- Dla zachowania rzetelności procesów biznesowych należy bezwzględnie odseparować agenta wykonującego zadanie (**Doer**) od agenta weryfikującego jakość i zgodność z regułami (**Judge**).
+- Weryfikacja przebiega na spektrum: od automatycznych bram logicznych (kod deterministyczny, walidacja schematu JSON), przez sędziowanie za pomocą innego, mniejszego modelu LLM, aż po ostateczny nadzór człowieka (Human-in-the-Loop).
+
+### Model Mentalny 4 — Pamięć to Trzy Poziomy Poznawcze, a nie jeden worek
+Systemy agentowe powinny rozróżniać i fizycznie separować pamięć na trzy warstwy:
+1. **Tier 1: Pamięć Krótkoterminowa / Robocza (Short-term / Working memory)**: Aktywny kontekst sesji czatu, lokalne zmienne i przejściowy stan operacyjny.
+2. **Tier 2: Pamięć Epizodyczna / Operacyjna (Episodic / Operational memory)**: Chronologiczny dziennik wykonanych akcji i zdarzeń (historyczny log sesji). Pozwala na odtworzenie ścieżki wnioskowania (run-level tracing).
+3. **Tier 3: Pamięć Długoterminowa / Semantyczna (Long-term / Semantic memory)**: Trwałe, utwardzone preferencje, reguły zachowania, przewodniki marki i wzorce bazodanowe (odpowiednik ustrukturyzowanych pamięci i plików kontraktów agenta).
+
+### Model Mentalny 5 — Stopniowana Autonomia (Graduated Autonomy)
+- Zaufanie do agenta AI buduje się stopniowo poprzez weryfikację. Autonomia powinna być wdrażana etapowo na gradientowej skali:
+  - *HITL (Human-in-the-Loop)*: Każda akcja modyfikująca system wymaga fizycznej zgody i kliknięcia człowieka.
+  - *Human-on-the-Loop*: Agent wykonuje akcje autonomicznie, ale człowiek ma możliwość ich natychmiastowego cofnięcia (bramka czasowa / delay).
+  - *Pełna autonomia*: Agent działa samodzielnie, raportując jedynie anomalie i błędy krytyczne do sędziego lub administratora.
+
+## Relevant Concepts
+- [[concepts/model-as-cpu-harness-as-os]] — Architektura oddzielająca silnik wnioskowania od rusztowania operacyjnego.
+- [[concepts/context-stack-management]] — Strategie dynamicznego i oszczędnego zarządzania oknem kontekstowym.
+- [[concepts/doer-judge-split]] — Wzorzec projektowy zwiększający niezawodność poprzez separację ról wykonawczych i kontrolnych.
+- [[concepts/three-tier-memory]] — Trójwarstwowy model podziału pamięci agentów AI.
+- [[concepts/graduated-autonomy]] — Metody stopniowego zwiększania niezależności systemów autonomicznych.
+
+## Sources
+- [[summaries/5-mental-models-for-ai-agents]]
@@ -0,0 +1,63 @@
+---
+title: "The Best 12 Claude Skills Setup — A Complete 2026 Guide to Configuring Claude Like a Pro"
+type: "summary"
+tags: [claude, claude-skills, agent-ai, automatyzacja, mcp, prompt-engineering]
+created: 2026-06-09
+updated: 2026-06-09
+sources: ["raw/inbox/The Best 12 Claude Skills Setup — A Complete 2026 Guide to Configuring Claude Like a Pro.md"]
+confidence: high
+---
+
+# The Best 12 Claude Skills Setup — A Complete 2026 Guide to Configuring Claude Like a Pro
+
+Artykuł autorstwa Noora Mohamada analizuje zaawansowany mechanizm "Umiejętności" (Skills) w ekosystemie agentów Claude (szczególnie w Claude Code i Cowork). Autor wyjaśnia, jak te moduły radykalnie zwiększają precyzję pracy modeli, podaje instrukcję instalacji oraz rekomenduje zestaw 12 konkretnych umiejętności optymalizujących codzienną pracę.
+
+## Key Points
+
+### Czym są Umiejętności (Skills)?
+- **Definicja**: Umiejętność to wydzielony folder zawierający instrukcje (`SKILL.md`), przykłady szablonów oraz ewentualne skrypty wykonawcze (Python/Node), które model językowy łaguje **wyłącznie wtedy, gdy są one bezpośrednio potrzebne**.
+- **Zasada Stopniowego Ujawniania (Incremental Context Loading)**: Model nie czyta wszystkich umiejętności naraz, co oszczędza okno kontekstowe (RAM). Odczytuje tylko krótkie nagłówki i opisy, dynamicznie ładując pełne pliki instrukcji w momencie dopasowania zapytania.
+- **Uniwersalność**: Napisana raz umiejętność działa spójnie na wszystkich powierzchniach Claude: w aplikacji webowej, terminalu Claude Code, API oraz trybie Cowork.
+
+### Metody Instalacji:
+1. **Wbudowane (Built-in)**: Włączane jednym kliknięciem w ustawieniach (obsługa formatów `.docx`, `.pptx`, `.xlsx`, `.pdf`).
+2. **Społecznościowe (Marketplace)**: Pobierane bezpośrednio z oficjalnego repozytorium GitHub Anthropica poprzez komendę `/plugin install`.
+3. **Własne (Custom)**: Lokalny katalog zawierający plik `SKILL.md` z tagami metadanych w nagłówku, umieszczony w folderze `~/.claude/skills/`.
+
+### Rekomendowany Stos 12 Umiejętności:
+- **Kategoria "Generatory Dokumentów"**:
+  - `docx` — generowanie profesjonalnych, ustrukturyzowanych dokumentów Word (spisy treści, śledzenie zmian).
+  - `pptx` — budowanie edytowalnych prezentacji PowerPoint z wykorzystaniem biblioteki `python-pptx`.
+  - `xlsx` — tworzenie arkuszy Excel z formułami i formatowaniem warunkowym.
+  - `pdf` — wyodrębnianie tabel i tekstu, wypełnianie formularzy, łączenie plików i automatyczny OCR.
+- **Kategoria "Kompilatory Agentów"**:
+  - `skill-creator` — asystent AI przeprowadzający wywiad z użytkownikiem i automatycznie budujący nowe, niestandardowe pliki `SKILL.md`.
+  - `mcp-builder` — automatyczne tworzenie i wdrażanie lokalnych serwerów FastMCP (Python/TypeScript).
+- **Kategoria "Generatory Treści i Pamięć"**:
+  - `brand-voice` (Custom) — rygorystyczne egzekwowanie unikalnego tonu pisania, listy zakazanych korporacyjnych słów i szablonów zakończeń.
+  - `consolidate-memory` — okresowy przegląd, konsolidacja i czyszczenie bazy wspomnień agenta (merytoryczny linter pamięci).
+- **Kategoria "Programowanie (Shipping Code)"**:
+  - `mern-ecommerce-expert` — obsługa gotowych wzorców e-commerce dla stosu MERN.
+  - `review` — rzetelny, głęboki przegląd kodu bazujący na plikach diff, szukający realnych logicznych błędów.
+  - `security-review` — audyt bezpieczeństwa gałęzi kodu pod kątem wstrzyknięć kodu i podatności.
+- **Kategoria "Automatyzacja i Rutyna"**:
+  - `schedule` — harmonogramowanie i automatyczne uruchamianie cyklicznych zadań w tle (np. poniedziałkowy raport).
+
+### Dobre Praktyki Tworzenia Umiejętności:
+- **Triage Nurse Description**: Opis w nagłówku YAML musi być napisany z precyzją pielęgniarki na izbie przyjęć. Zamiast "pomaga pisać" należy napisać "używaj, gdy użytkownik chce stworzyć lub edytować plik .docx". To decyduje o trafnym wywołaniu.
+- **Ograniczenia na początku**: Twarde zakazy, listy słów zakazanych i kluczowe formaty powinny znaleźć się w pierwszych 200 słowach pliku `SKILL.md`, ponieważ model silniej waży instrukcje z początku kontekstu.
+
+## Relevant Concepts
+- [[concepts/claude-skills]] — Ramy rozszerzania możliwości modeli Anthropic za pomocą ustrukturyzowanych umiejętności.
+- [[concepts/incremental-context-loading]] — Strategie oszczędzania okna kontekstowego poprzez dynamiczne ładowanie instrukcji.
+- [[concepts/agent-contracts]] — `SKILL.md` jako kontrakt wykonawczy dla konkretnego zadania.
+
+## Relevant Entities
+- [[entities/claude-code]] — Środowisko CLI obsługujące wtyczki i umiejętności.
+- [[entities/fastmcp]] — Framework do błyskawicznego budowania serwerów MCP.
+
+## Source Metadata
+- **Type**: Poradnik techniczny / Best practices
+- **Author**: Noor Mohamad
+- **Date**: 2026-05-13
+- **URL**: https://blog.stackademic.com/the-best-12-claude-skills-setup-a-complete-2026-guide-to-configuring-claude-like-a-pro-486d2fd906f3
@@ -0,0 +1,53 @@
+---
+title: "Co się dzieje, gdy dasz LLM-owi klucze do swojego skarbca Obsidian"
+type: "summary"
+tags: [obsidian, karpathy, llm-knowledge, obsidian-skills, privacy, pkm]
+created: 2026-06-09
+updated: 2026-06-09
+sources: ["raw/inbox/Co się dzieje, gdy dasz LLM-owi klucze do swojego skarbca Obsidian.md"]
+confidence: high
+---
+
+# Co się dzieje, gdy dasz LLM-owi klucze do swojego skarbca Obsidian
+
+Artykuł Valerie analizuje rewolucyjny zwrot w osobistym zarządzaniu wiedzą (PKM) zapoczątkowany przez manifest Andreja Karpathy'ego "LLM Knowledge Base". Autorka szczegółowo opisuje wdrożenie oficjalnych "umiejętności agentów" (`obsidian-skills`) autorstwa Steph Ango (CEO Obsidiana) i krytycznie ocenia szanse oraz realne zagrożenia związane z oddaniem kontroli nad naszym skarbiecem sztucznej inteligencji.
+
+## Key Points
+
+### Przesunięcie Paradygmatu:
+- **Stary schemat (Chat with your vault)**: Płaskie wyszukiwanie wektorowe (RAG), w którym model pobiera wycinki i generuje odpowiedź na jedno pytanie. Sesja czatu jest ulotna, a skarbiec pozostaje nieuporządkowanym cmentarzem notatek.
+- **Nowy schemat (Search-assisted writing)**: Model AI staje się aktywnym redaktorem naczelnym, który nigdy nie śpi. Działa w tle, porządkuje notatki, dodaje strony podmiotów (entities), aktualizuje pojęcia, łączy fakty i samodzielnie utrzymuje porządek w bazie.
+
+### Rozwiązanie problemu formatowania (`obsidian-skills`):
+- Modele językowe znają czysty Markdown, ale popełniają błędy w dialekcie Obsidiana (błędne WikiLinki, uszkadzanie metadanych YAML frontmatter czy plików Canvas).
+- Steph Ango (CEO Obsidiana) wydał oficjalną paczkę `kepano/obsidian-skills` (licencja MIT), która uczy agentów (Claude Code, Codex) natywnych zasad Obsidiana:
+  - `obsidian-markdown` — rzetelna obsługa linków dwukierunkowych i calloutów.
+  - `obsidian-bases` — obsługa danych strukturalnych.
+  - `json-canvas` — bezpieczne generowanie i edycja płócien wizualnych.
+  - `obsidian-cli` — zarządzanie skarbcem bezpośrednio z terminala.
+  - `defuddle` — czyszczenie zrzucanych stron internetowych ze śmieci reklamowych, co oszczędza tokeny.
+
+### Realne Ryzyka i Tryby Awaryjne:
+- **To nie czyni Cię mądrym, czyni mądrym Twój skarbiec**: Model generuje doskonałą syntezę, ale po dwóch tygodniach uświadamiasz sobie, że od pół roku obracasz w głowie tę samą, niedokończoną myśl. AI ułatwia księgowość, ale nie zastępuje myślenia.
+- **Zjawisko Halucynacji Relacji**: Lokalne, mniejsze modele potrafią z dużą pewnością połączyć dwa zupełnie niezwiązane ze sobą pojęcia i napisać przekonujący akapit o ich relacji, która nie ma żadnego poparcia w Twoich notatkach. Wymaga to permanentnej, krytycznej weryfikacji człowieka.
+- **Problem Zimnego Startu**: Model nie uporządkuje chaosu za Ciebie. Jeśli Twoje notatki to niechlujne bazgroły, pierwszy miesiąc spędzisz na sprzątaniu bazy, którego AI nie potrafi wykonać bez Twoich wytycznych.
+- **Prywatność danych**: Przekazanie kluczy do skarbca agentom chmurowym oznacza wysłanie swoich najbardziej intymnych notatek, pamiętników czy listów rezygnacyjnych na serwery firm trzecich. Prywatność jest zachowana wyłącznie przy użyciu modeli 100% lokalnych.
+- **Koszty sprzętowe**: Dobre, lokalne systemy wymagają mocnego i drogiego sprzętu (np. Mac z dużą ilością pamięci unified RAM lub dedykowane karty RTX) do uruchomienia modeli typu Mistral NeMo 12B czy Qwen3. Mniejsze lub starsze komputery generują syntezy o drastycznie niższej jakości.
+
+## Relevant Concepts
+- [[concepts/search-assisted-writing]] — Model pracy, w którym AI jest redaktorem, a nie tylko wyszukiwarką.
+- [[concepts/agent-formatting-dialects]] — Specjalizacja instrukcji dla agentów w celu poprawnej obsługi niestandardowych formatów plików.
+- [[concepts/rag-vs-knowledge]] — Zderzenie transakcyjnego RAG z trwałą kompilacją wiedzy.
+- [[concepts/knowledge-compilation]] — Rola LLM jako kompilatora surowej wiedzy.
+
+## Relevant Entities
+- [[entities/obsidian-skills]] — Zestaw umiejętności agentowych od Steph Ango.
+- [[entities/obsidian]] — Program do prowadzenia bazy notatek.
+- [[entities/claude-code]] — Terminalowy agent operujący na plikach.
+- [[entities/mistral-nemo]] — Rekomendowany, lokalny model 12B optymalny do zadań PKM.
+
+## Source Metadata
+- **Type**: Artykuł / Krytyczna analiza PKM
+- **Author**: Valerie
+- **Date**: 2026-05-08
+- **URL**: https://medium.com/dare-to-be-better/what-happens-when-you-give-an-llm-the-keys-to-your-obsidian-vault-370562d821e0